MétaCan
Menu
Retour à la cohorte
Enregistrement W4413616345 · doi:10.37119/ojs2025.v30i2.847

Collaborating with Critical Friends: Exploring Picture Books Through Self-study in Secondary and Post-Secondary Classrooms

2025· article· en· W4413616345 sur OpenAlexaffvenueabout
Carolyn Clarke, Evan T. Robinson, Ellen Carter, Jo Anne Broders

Notice bibliographique

Revuein education · 2025
Typearticle
Langueen
DomaineArts and Humanities
ThématiqueLiteracy, Media, and Education
Établissements canadiensSt. Francis Xavier University
Organismes subventionnairesnon disponible
Mots-clésMathematics educationPsychologySociologyPedagogy

Résumé

récupéré en direct d'OpenAlex

In this critical self-study, four educators located in two Canadian provinces in both secondary and post-secondary institutions investigated their pedagogical practices of using picture books as teaching tools. By exploring the intersection of critical friends and collaborative learning, we investigated how this synthesis enhanced teacher self-study practices and offered insights into effective strategies for professional learning in educational settings. Through self-study, we considered our use of picture books, our current personal and professional libraries, and our learning and growth from engagement in collaborative self-study with colleagues. This self-study revealed three critical findings: 1) the banning of books within educational settings, 2) the tendency of teachers to opt for books perceived as safe choices, and 3) the growing recognition amongst educators of the importance of selecting literature that reflects the diversity of individuals within the classroom. Implications for educators include exploring both the benefits of critical friendship in collaborative learning communities and teacher professional learning (TPL) opportunities to focus on equity and inclusion. Keywords: collaborative self-study, critical friends, teacher education, critical literacy, picture books, inclusion

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,008
score de la tête « metaresearch » (Gemma)0,017
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Qualitatif · Signal consensuel: Qualitatif
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,052
Score d'incertitude au seuil0,103

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,017
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0060,002
Études des sciences et des technologies0,0170,021
Communication savante0,0100,006
Science ouverte0,0020,009
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,021
Tête enseignante GPT0,282
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeQualitatif
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuein educationMême sujetLiteracy, Media, and EducationTravaux en français237 207